Non-uniform Quantization of Detail Components in Wavelet Transformed Image for Lossy JPEG2000 Compression
介绍了小波变换图像细节分量非均匀量化的思想。它认为水平、垂直和对角分量的大多数系数都接近于零，并且代表较大差异的系数在直方图的极端很少。因此，本文主张需要可变步长的量化方案，保留边缘的直方图边缘的信息，并以最小数量的量化值去除冗余。为了支持这一想法，使用非均匀量化算法提供了初步结果。我们相信，在JPEG-2000静止图像标准中成功地实现细节分量的非均匀量化，将以更少的量化值提高图像质量和压缩效率。
2012-10-30 cs.MM
A new hybrid jpeg image compression scheme using symbol reduction technique
Pt. R. S. University（拉维·尚卡尔大学）；Shri Shankarachrya College of Engineering & Technology（斯里·尚卡拉查里亚工程技术学院）
有损JPEG压缩是一种广泛使用的压缩技术。通常JPEG标准技术使用三个过程映射减少像素间冗余，量化，这是有损过程和熵编码，这被认为是无损过程。本文提出了一种结合JPEG算法和符号压缩霍夫曼技术的新技术，以获得更高的压缩比。符号减少技术通过组合在一起以形成新符号来减少符号的数量。作为这种技术的结果，要生成的霍夫曼代码的数量也减少了。它简单、快速、易于实现。实验结果表明，该方法可以有效地提高标准JPEG图像的压缩性能。这种混合方法实现了约20%以上的压缩比比标准JPEG。
2012-02-22 cs.CV cs.MM
Comparing CSI and PCA in Amalgamation with JPEG for Spectral Image Compression
继续我们以前的研究彩色图像压缩，我们转向光谱图像压缩。如此庞大的数据量需要更多的存储空间和更多的传输时间。为了管理如此庞大的数据量，研究人员研究了不同的技术，以便保存图像质量并提高压缩性。主成分分析（PCA）可以用来降低光谱图像的维数，以实现高压缩性和性能。针对主成分分析处理复杂的问题，提出了一种简单的插值方法--三次样条插值（CSI），用于降低光谱图像光谱域的维数。在谱域上分别采用CSI和PCA，在空域上与JPEG融合。采用CIEDE 2000中的压缩率（CR）、处理时间（Tp）和色差三个指标进行性能分析。测试结果表明，对于一个固定的压缩率值，CSI的算法表现较差的dE 00，与PCA相比，但仍然是可靠的，因为小的色差。另一方面，它具有较低的复杂度，是计算上更好的相比，基于PCA的算法，特别是对光谱图像与大尺寸。
2015-06-04 cs.MM
Learned Lossless JPEG Transcoding via Joint Lossy and Residual Compression
Unviersity of Science and Technology of China（中国科学技术大学）
JPEG作为一种常用的图像压缩格式，在图像的传输和存储中得到了广泛的应用。为了在保持JPEG图像质量的同时进一步降低压缩成本，已经提出了无损转码技术来在DCT域中重新压缩压缩的JPEG图像。另一方面，以前的工作，通常减少冗余的DCT系数和优化的熵编码的概率预测在手工制作的方式，缺乏泛化能力和灵活性。为了解决上述挑战，我们提出了学习无损JPEG转码框架通过联合有损和残差压缩。而不是直接优化的熵估计，我们专注于存在于DCT系数的冗余。据我们所知，我们是第一个利用学习的端到端有损变换编码，以减少冗余的DCT系数在一个紧凑的代表域。我们还介绍了无损转码的残差压缩，它自适应地学习残差DCT系数的分布之前，使用基于上下文的熵编码压缩它们。我们提出的转码架构显示出显着的优越性，在JPEG图像的压缩由于协作学习有损变换编码和残差熵编码。在多个数据集上进行的大量实验表明，我们提出的框架可以实现约21.49%的比特节省平均基于JPEG压缩，这比典型的无损转码框架JPEG-XL的3.51%。
2022-08-24 cs.CV cs.MM
Comparison between CS and JPEG in terms of image compression
对JPEG和压缩感知两种方法进行了比较。从图像压缩的角度对这两种方法进行了比较。通过测量图像质量与用于图像恢复的样本数量进行比较。对图像进行目视比较。此外，数值质量值，峰值信噪比，计算和比较两种方法。结果表明，图像，恢复使用压缩感知的方法，有更高的PSNR值相比，JPEG压缩下的图像。在细节数量较少的灰度图像中差异较大，例如医学图像（X射线）。实验结果证实了理论的正确性。
2018-02-09 cs.MM eess.IV
A multi-branch convolutional neural network for detecting double JPEG compression
Shenzhen University（深圳大学）
双重JPEG压缩的检测是取证分析的重要内容。提出了几种基于卷积神经网络（CNN）的方法。这些方法仅接受来自预处理数据的输入，例如直方图特征和/或解压缩图像。在本文中，我们提出了一个CNN的解决方案，使用原始DCT（离散余弦变换）系数从JPEG图像作为输入。考虑到JPEG中DCT子带的特性，设计了一种多分支CNN结构来检测JPEG格式的图像是否经过双重压缩。与以往的方法相比，该方法提供了端到端的检测能力。大量的实验已经进行了证明所提出的网络的有效性。
2017-10-16 cs.CV cs.MM
New Transforms for JPEG Format
二维离散余弦变换（DCT）是许多图像压缩算法的核心。具体来说，JPEG格式使用基于该变换的有损压缩形式。自从JPEG标准化以来，许多其他变换在有损数据压缩中变得实用。本文旨在分析这些变换在JPEG压缩链中作为DCT替换的使用。针对不同的图像数据集检查每个变换，随后使用峰值信噪比（PSNR）将其与其他变换进行比较。我们的实验表明，重叠变化的DCT，局部余弦变换（LCT），克服了原来的块式变换在低比特率。在高比特率下，采用Cohen-Daubechies-Feauveau 9/7小波的离散小波变换提供与DCT大致相同的压缩性能。
2017-05-09 cs.GR cs.MM
Deep Selector-JPEG: Adaptive JPEG Image Compression for Computer Vision in Image classification with Human Vision Criteria
University of Waterloo（滑铁卢大学）
由于存储/带宽资源有限，使用深度神经网络（DNN）的计算机视觉（CV）应用的输入图像通常使用针对人类视觉（HV）定制的JPEG进行编码。本文介绍了Deep Selector-JPEG，一种自适应JPEG压缩方法，其目标是图像分类，同时满足HV标准。对于每个图像，深度选择器-JPEG自适应地选择质量因子（QF）来压缩图像，使得可以在各种DNN分类器的一组图像上实现压缩比（CR）和DNN分类器准确度（速率-准确度性能）之间的良好折衷，同时这种压缩图像的MS-SSIM以高概率大于由HV预定的阈值。深度选择器-JPEG是通过轻量级或重量级选择器架构设计的。实验结果表明，与相同CR下的JPEG相比，Deep Selector-JPEG在所有测试的DNN分类器的ImageNet验证集上实现了更好的速率精度性能，在相同CR下的分类精度提高了0.2%到1%，同时满足HV约束。Deep Selector-JPEG也可以在更高的CR下粗略地提供原始分类精度。
2023-02-19 cs.CV cs.LG cs.MM
A new image compression by gradient Haar wavelet
Shandiz Institute of Higher Education（尚迪兹高等教育学院）
随着人类通信的发展，视觉通信的使用也越来越多。图像压缩方法的进步是增强的主要原因之一。本文首先介绍了JPEG和JPEG2000等图像压缩方法的主要模式，没有详细的数学描述。同时，本文还介绍了梯度Haar小波变换，以构建一个初步的图像压缩算法。在此基础上，提出了一种新的图像压缩方法，提高了图像压缩的标准。通过MAE、PSNAR和SSIM等图像质量指标，将新方法与JPEG和JPEG2000（基于Haar小波）的原始模式进行了比较。图像质量和统计结果证实，可以提高图像压缩标准。建议将该方法应用于部分或全部图像压缩标准中。
2017-09-01 cs.CV cs.MM
On the Robustness of "Robust reversible data hiding scheme based on two-layer embedding strategy"
Kumar等人在INS发表的“基于双层嵌入策略的鲁棒可逆数据隐藏方案”中提出了一种基于双层嵌入的鲁棒可逆数据隐藏方案。秘密数据被嵌入到最高有效位（MSB）平面以增加鲁棒性，并采用基于局部复杂度的排序策略以减少失真。然而，Kumar et al.的可逆数据隐藏（RDH）方案对于联合图像专家组（JPEG）压缩的鲁棒性不如所述的那样，并且不能被称为RRDH。本文首先简要介绍了他们的RDH方案，然后从JPEG压缩原理的角度分析了他们的方案的鲁棒性。JPEG压缩将改变像素值，从而破坏正确提取秘密数据所需的辅助信息和像素值排序，使其方案不鲁棒。其次，通过不同的鲁棒性测试实验，分析了JPEG压缩后位平面和像素值排序的变化。最后给出了提高鲁棒性的建议。
2022-01-22 cs.MM
Localization of JPEG double compression through multi-domain convolutional neural networks
当攻击者想要伪造图像时，在大多数情况下，她/他将执行JPEG重新压缩。基于不同的理论假设已经开发了不同的技术，但还没有开发出非常有效的解决方案。近年来，基于机器学习的方法已经开始出现在图像取证领域，以解决诸如采集源识别和伪造检测的各种任务。在最后一种情况下，未来的目标是得到一个经过训练的神经网络，它能够在给定的待检查图像下可靠地定位伪造区域。考虑到这一点，我们的论文通过分析如何使用卷积神经网络（CNN）来揭示和定位单次或双次JPEG压缩，在这个方向上迈出了一步。已经考虑了对CNN的不同类型的输入，并且已经进行了各种实验，试图也证明有待进一步研究的潜在问题。
2017-06-06 cs.CR cs.MM
Weyl-Heisenberg Transform Capabilities in JPEG Compression Standard
本文针对JPEG压缩标准的效率瓶颈，提出用二维离散正交Weyl-Heisenberg变换（DWHT）替代原有的离散余弦变换（DCT），改进后的JPEG算法经实验验证压缩效率优于原标准。
2025-11-14 cs.MM eess.IV eess.SP
A Block-Permutation-Based Encryption Scheme with Independent Processing of RGB Components
提出了一种基于块置换的加密方案，用于增强颜色置乱的先加密后压缩（ETC）系统。在将原始图像划分为多个块之后，可以通过四个过程来获得BPBE图像：位置置乱、块旋转/翻转、负-正变换和颜色分量置乱。该方案通过为每个颜色分量分配不同的密钥，在位置置乱、块旋转/翻转和负-正变换中独立地对R、G和B分量进行置乱。传统方案考虑使用JPEG和JPEG 2000的压缩效率，JPEG和JPEG 2000默认地在压缩处理之前需要颜色转换。因此，传统方案在每个处理中相同地对颜色分量进行加扰。相比之下，所提出的方案考虑了基于RGB的压缩，例如JPEG-LS，因此可以增加加扰的程度。由于BPBE图像的更宽的颜色分布，因此可以增加对拼图游戏求解器（JPS）的弹性。此外，抵御蛮干攻击的关键空间也呈指数级增长。此外，与传统方案相比，所提出的方案可以保持JPEG-LS压缩效率。通过实验和分析，验证了该方案的有效性.
2020-11-17 cs.MM
The JPEG XL Image Coding System: History, Features, Coding Tools, Design Rationale, and Future
本文概述了新型图像编码系统JPEG XL的历史、设计原理、编码工具与未来潜力，该系统具备顶尖压缩性能等特性，旨在替代多种现有图像格式，可作为标准配套或独立参考资料。
2025-06-13 cs.MM
AdaCompress: Adaptive Compression for Online Computer Vision Services
随着基于计算机视觉的应用和服务的增长，爆炸性数量的图像已经被上传到托管这种计算机视觉算法的云服务器，通常以深度学习模型的形式。由于JPEG具有广泛的适应性，因此在上传图像之前，它已被用作{ \em de facto}压缩和封装方法。然而，标准JPEG配置对于压缩将由深度学习模型（例如，JPEG标准质量级别导致50%的大小开销（与最佳质量水平选择相比）在ImageNet上，在包括InceptionNet、ResNet等在内的流行计算机视觉模型中，在相同的推理准确度下，在相同的推理准确度下，如何在ImageNet上实现更好的JPEG配置？要知道，为在线计算机视觉服务设计更好的JPEG配置仍然极具挑战性：1）基于云的计算机视觉模型对于最终用户来说通常是一个黑盒;因此，在不知道它们的模型结构的情况下，很难设计JPEG配置。2)针对JPEG配置在不同用户使用时会发生变化的问题，提出了一种基于强化学习的JPEG配置框架。特别是，我们设计了一个代理，根据输入图像的特征和后端深度学习模型自适应地选择压缩级别。然后，我们以强化学习的方式训练代理，使其适应不同的深度学习云服务，这些服务充当{ \em交互式训练环境}，并在综合考虑准确性和数据大小的情况下提供奖励。在我们对Amazon Rekognition、Face++和Baidu Vision的真实世界评估中，我们的方法可以将图像的大小减少1/2 -…
2019-09-17 cs.MM eess.IV
Training CNNs in Presence of JPEG Compression: Multimedia Forensics vs Computer Vision
Politecnico di Milano（米兰理工大学）
卷积神经网络（CNN）已经证明在过去需要视觉检查的多个计算机视觉图像分类任务中非常准确（例如，对象识别、面部检测等）。受这些惊人结果的激励，研究人员也开始使用CNN来处理图像取证问题（例如，照相机模型识别、篡改检测等）。然而，在计算机视觉中，图像分类方法通常依赖于人眼容易检测到的视觉线索。相反，法医解决方案依赖于几乎不可见的痕迹，这些痕迹通常非常微妙，存在于分析图像的细节中。出于这个原因，训练CNN来解决取证任务需要一些特殊的注意，因为常见的处理操作（例如，压缩等）会严重阻碍法医的痕迹在这项工作中，我们专注于JPEG对CNN训练的影响，考虑到不同的计算机视觉和法医图像分类问题。具体来说，我们考虑的问题，从JPEG压缩和未对齐的JPEG网格。我们表明，有必要考虑这些影响时，生成一个训练数据集，以正确的训练法医检测器不失去泛化能力，而它几乎可以忽略这些影响的计算机视觉任务。
2020-09-25 cs.CV cs.LG cs.MM
Learning JPEG Compression Artifacts for Image Manipulation Detection and Localization
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）；NAVER WEBTOON AI（NAVER网络漫画AI）；Samsung Electronics Co., Ltd.（三星电子株式会社）
检测和定位图像操纵是必要的，以打击恶意使用的图像编辑技术。因此，必须通过分析图像中的固有统计来区分真实区域和篡改区域。我们专注于JPEG压缩文物在图像采集和编辑。我们提出了一种卷积神经网络（CNN），它使用离散余弦变换（DCT）系数，其中压缩伪影仍然存在，以本地化图像操作。标准CNN无法学习DCT系数的分布，因为卷积会丢弃DCT系数所必需的空间坐标。我们说明了如何设计和训练一个神经网络，可以学习DCT系数的分布。此外，我们介绍了压缩伪影跟踪网络（CAT-Net），它联合使用图像采集伪影和压缩伪影。它在检测和定位篡改区域方面明显优于传统和基于深度神经网络的方法。
2022-05-25 cs.CV cs.LG cs.MM
JPEG AI Image Compression Visual Artifacts: Detection Methods and Dataset
MSU Institute for Artificial Intelligence（莫斯科国立大学人工智能研究所）；Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）
针对神经网络图像压缩引入的视觉伪影问题，提出检测、定位和量化三种伪影的方法，并构建了经众包验证的包含46,440个伪影的数据集，以辅助测试和改进神经编解码器。
2024-11-11 cs.AI cs.CV cs.MM
Aligned and Non-Aligned Double JPEG Detection Using Convolutional Neural Networks
由于JPEG编码标准的广泛传播，图像取证界多年来一直致力于双JPEG（DJPEG）压缩检测器的开发。检测图像是否被压缩两次的能力为图像真实性评估提供了重要信息。鉴于卷积神经网络（CNN）最近在许多计算机视觉任务中获得的趋势，在本文中，我们建议使用CNN进行对齐和非对齐双JPEG压缩检测。特别是，我们探索了CNN直接从图像中捕获DJPEG伪影的能力。结果表明，所提出的基于CNN的检测器即使在小尺寸图像的情况下也实现了良好的性能（即，64x64），优于最先进的解决方案，特别是在非对齐的情况下。此外，在第一品质因子大于第二品质因子的常见挑战性情况下，也取得了良好的结果。
2017-08-02 cs.CR cs.MM
Simulated Annealing for JPEG Quantization
Harvard University（哈佛大学）
JPEG是使用最广泛的图像格式之一，但在某些方面仍然令人惊讶地未优化，也许是因为一些自然优化会超出定义JPEG的标准。我们展示了如何通过找到改进的默认量化表，以符合标准的、向后兼容的方式改进JPEG压缩。我们描述了一种模拟退火技术，使我们能够找到几个量化表，表现优于行业标准，在压缩的大小和图像保真度。具体来说，我们得出的表，减少FSIM误差超过10%，同时提高压缩超过20%，在我们的测试中，在质量水平95;我们也提供了类似的结果，为其他质量水平。虽然我们承认我们的方法在某些图像中会在大放大倍率下导致可见的伪影，但我们相信使用这些量化表或使用我们的方法可以找到的其他表将显着减少JPEG文件大小，并提高整体图像质量。
2017-09-03 cs.CV cs.GR cs.MM
An Adaptive Statistical Non-uniform Quantizer for Detail Wavelet Components in Lossy JPEG2000 Image Compression
Cornell University（康奈尔大学）；Indian Institute of Information Technology, Allahabad（阿拉哈巴德印度信息技术学院）；Indian Institute of Science Education and Research - Kolkata（加尔各答印度科学教育与研究学院）
提出了一种针对JPEG2000标准中细节分量的非均匀量化方法。假设位于每个细节分量的直方图的端部的系数表示图像的结构信息，量化步长在它们接近直方图的端部时变得更小。可变量化步长由小波系数的实际统计量确定。平均值和标准差是迭代使用的两个统计参数，用于获得可变步长。此外，位于步长内的系数的平均值被选择为量化值，与死区均匀量化器相反，死区均匀量化器选择量化步长的中点作为量化值。采用均方误差（MSE）和平均结构相似性指数（MSSIM）对死区均匀量化器和非均匀量化器的量化误差和重建图像质量进行了客观的比较。重建图像的主观分析也进行了。通过客观和主观的评估，它表明，非均匀量化器的表现优于死区均匀量化器的重建图像的感知质量，特别是在低比特率。更重要的是，不像死区均匀量化器，非均匀量化器实现更好的视觉质量与几个量化值。
2014-08-14 cs.CV cs.MM
Reducing Storage in Large-Scale Photo Sharing Services using Recompression
近年来，照片共享服务的普及程度急剧增加。用户、照片数量和照片质量/分辨率的增加，加上用户对照片可靠存储的期望，给这些服务的存储后端带来了越来越大的负担。我们发现了一个新的机会，节省存储与应用程序特定的压缩照片共享服务：照片再压缩。我们探索新的照片存储管理技术，这些技术速度快，不会对照片下载延迟产生不利影响，是现有分布式擦除编码技术的补充，可以有效地转换为用户设备期望的标准JPEG，并显着提高压缩。我们实现我们的照片再压缩技术在两个新的编解码器，ROMP和L-ROMP。ROMP是一种无损JPEG再压缩编解码器，将典型照片压缩到标准JPEG的15%。L-ROMP是一种有损JPEG再压缩编解码器，以感知上不明显的方式扭曲照片，通常比标准JPEG压缩28%。我们估计了我们的方法在Facebook的照片堆栈上的好处，发现我们的方法可以将照片存储减少0.3- 0.9倍存储照片的逻辑大小，并为照片缓存堆栈提供额外的附带好处，包括对后端存储的请求减少5-11%，广域带宽减少15-31%，外部带宽减少16%。
2019-12-23 cs.MM eess.IV
Semi-Fragile Image Authentication based on CFD and 3-Bit Quantization
在常规认证的上下文中存在水印使用的巨大冒险，因为它不需要用于补充元数据的额外存储空间。然而，JPEG压缩，作为一种传统的压缩图像的方法，导致准确的认证破坏。本文讨论了一种适用于JPEG/JPEG 2000压缩的数字图像半脆弱水印系统。最近，我们发表了一个选择性认证方法的基础上Zernike矩。但不幸的是，它具有大的计算复杂性，并且不能足够好地检测小的图像修改。在目前的文件中，它提出了（在对比Zernike矩的方法）的使用图像有限差分和3位量化的主要技术。为了将水印（WM）嵌入到图像中，使用Haar小波变换系数的某些区域。仿真结果表明，该方法具有较好的抗JPEG压缩性能，图像微小修改识别率高，嵌入后图像质量评价$\mbox{\rm CR}\leq 30\%$（峰值信噪比）dB和$\mbox{\rm SSIM}\geq 0.98$（结构相似性指数），嵌入和提取WM的计算复杂度较低。所有这些属性都使这种方法成为有效的。
2016-08-08 cs.IT cs.MM math.IT
The Design, Implementation, and Deployment of a System to Transparently Compress Hundreds of Petabytes of Image Files for a File-Storage Service
我们报告的设计，实施和部署的Lepton，一个容错系统，losslime压缩JPEG图像的原始大小的77%，平均。Lepton用并行化的算术代码替换了基线JPEG压缩的最低层-霍夫曼代码，因此可以快速恢复原始JPEG文件的确切字节。轻子匹配最好的先前工作的压缩效率，同时解码速度快9倍以上，并以流的方式。Lepton已作为开源软件发布，并已在Dropbox文件存储后端部署了一年。截至2017年2月，它已经压缩了超过203 PiB的用户JPEG文件，节省了超过46 PiB。
2017-03-26 cs.DC cs.GR cs.MM
Semantic Perceptual Image Compression using Deep Convolution Networks
Brandeis University（布兰代斯大学）
如何提高有损图像的视觉质量和视频压缩一直被认为是一个重要的问题。计算能力的最新进步以及大训练数据集的可用性增加了对深度学习cnn应用于解决图像识别和图像处理任务的兴趣。在这里，我们提出了一个强大的CNN专门针对语义图像理解的特定任务，以实现更高的视觉质量在有损压缩。一个适度增加的复杂性被纳入编码器，允许一个标准的，现成的jpeg解码器被使用。虽然jpeg编码可以针对通用图像进行优化，但是该过程最终不知道要压缩的图像的具体内容。我们的技术通过设计和训练一个模型来识别给定图像中的多个语义区域，从而使jpeg具有内容感知能力。与目标检测技术不同，我们的模型不需要标记对象位置，并且能够在单次通过中识别对象。我们提出了一种新的CNN架构，专门针对图像压缩，它生成一个地图，突出语义突出的地区，使他们可以在更高的质量编码相比，背景区域。通过为每个类添加一组完整的特征，然后对所有特征激活的总和取一个阈值，我们生成了一个突出语义突出区域的地图，以便与背景区域相比，它们可以以更好的质量进行编码。在Kodak PhotoCD数据集和MIT显着性基准数据集上进行了实验，在相同的压缩尺寸下，我们的算法获得了更高的视觉质量。
2017-03-29 cs.CV cs.MM
